Varför känns objektspårning mindre stabil med vidvinkelkameror?

Eva Wong

IceWhale author

Eva Wong är Teknisk skribent och den boende fixaren på ZimaSpace. En livslång nörd med en passion för hemma-labb och öppen källkod, hon specialiserar sig på att översätta komplexa tekniska koncept till tillgängliga, praktiska guider. Eva tror att självhosting ska vara roligt, inte skrämmande. Genom sina handledningar ger hon gemenskapen verktyg att avmystifiera hårdvaruinstallationer, från att bygga sin första NAS till att bemästra Docker-containrar.

Why Does Object Tracking Feel Less Stable on Wide-Angle Cameras? - Zima Store Online

Spårning med vidvinkel känns ofta instabil eftersom förvrängd geometri i bildkanterna och små motiv gör position och utseende mindre konsekventa från bildruta till bildruta.

En person som korsar en bred uppfart kan röra sig jämnt i verkligheten men accelerera över bildkanten, sträckas ut och krympa mot mitten av bilden. En tracker i en NVR-enhet för hemmet kopplar samman detektioner i pixelkoordinater, inte i fysiskt utrymme. När geometri och objektets detaljer förändras samtidigt får associeringssteget mindre stabila bevis att utgå från.

Vidvinkelobjektiv omvandlar konstant rörelse till icke-linjär bildrörelse

Ett brett synfält avbildar en större del av scenens vinkel på samma sensorbredd. Nära kanten böjer radiell distortion linjer och förändrar objektets upplevda form; perspektivet gör också att motiv i närheten växer snabbt. En tracker som antar liknande förflyttning och utseende mellan bildrutor kan underskatta dessa förändringar.

En teknisk genomgång av vidvinkeldistorsion visar hur geometri med raka linjer kan användas för att uppskatta och korrigera vidvinkeldistorsion. Behovet av denna korrigering visar varför råa koordinater vid kanten inte beter sig som i en enkel hålkameraavbildning.

Spårningen kan hoppa till en närliggande detektion, släpa efter motivet eller tilldela det en ny identitet vid kanten. Att öka detektorns känslighet löser inte nödvändigtvis associeringsgeometrin. Fler detektioner kan till och med skapa fler kandidater som trackern kan förväxla.

Motiv vid kanten innehåller färre användbara pixlar

Bred täckning gör att varje person eller fordon på avstånd upptar färre pixlar. Vid kanten kan oskärpa, skuggning och omsampling efter objektivkorrigering ytterligare minska den särskiljande strukturen. Detektorn kan fortfarande hitta en ruta, medan trackern saknar de stabila utseendedrag som behövs för att koppla rutan till föregående bildruta.

Projektet TartanCalib rapporterar att noggrann vidvinkelkalibrering förbättrar egenskapsdetektering och efterföljande geometriska uppgifter. Resultaten illustrerar att kalibreringens kvalitet påverkar vilka användbara egenskaper som är tillgängliga nära bildens ytterområden.

Detta ger ett karakteristiskt mönster: stabil identitet nära mitten, mer skakighet eller fragmentering nära den yttre fjärdedelen och återhämtning när motivet återvänder inåt. Om instabiliteten är jämnt fördelad över hela bilden är upplösning, slutartid eller trackerinställningar mer sannolika orsaker än enbart objektivets geometri.

När vidvinkel inte är grundorsaken

Ett vidvinkelobjektiv kan spåra väl när modellen är tränad för fisheye-vyer, bilden är korrekt avförvrängd och motiven är tillräckligt stora. Omvänt kan ett normalt objektiv spåra dåligt vid rörelseoskärpa, ocklusion, låg bildfrekvens eller trånga scener. Synfältet är en riskfaktor, inte ett slutgiltigt besked.

En översikt över optik förklarar hur vidvinkeldistorsion förändrar raka linjer och former vid kanten. Den skiljer också optisk distortion från perspektiv, som inte kan tas bort enbart genom att tillämpa en profil för tunnformig distortion.

Mekanismen stämmer inte när spårningsavbrotten sammanfaller med ocklusioner eller bortfallna bildrutor snarare än med positionen vid kanten. Den stämmer inte heller om NVR-enheten detekterar från en redan korrigerad ström men lägger över rutor på den råa strömmen; då kan det upplevda hoppet bero på en felaktig koordinattransformering i stället för ett faktiskt spårningsfel.

-15% OFF

ZimaBoard 2 - Minihemmserver för din stora idé

Single board computer zimaboard2

Kartlägg spårningsstabiliteten över kamerans bildfält

Plotta spårningscentrumets koordinater för samma gångväg genom vänster kant, mitten och höger kant. Håll bildfrekvens, slutare, modell och avstånd till motivet så konstanta som praktiskt möjligt. Jämför rå inferens med korrekt avförvrängd inferens och registrera samtidigt rutstorlek, konfidens, identitetsbyten och bortfallna bildrutor.

Använd en dedikerad mini-PC för lokal AI för att säkerställa att samma beräkningsbelastning och videokälla används i båda testerna. På så sätt förhindras att samtidiga mediearbetslaster felaktigt ser ut som en objekteffekt på grund av överhoppade inferensbildrutor.

Vidvinkelgeometri är orsaken när områden vid kanten uppvisar större kvarvarande rörelse eller fler identitetsavbrott efter kontroll för objektstorlek och bortfallna bildrutor. Om korrigering förbättrar överlagringarna men inte associeringarna behöver trackern distortionmedveten hantering av rörelse eller utseende. Om felen följer belastningstoppar bör inferensens tidsintervall undersökas i stället.